工信部4月28日发布的《大力发展人工智能信息服务业专项政策》，主线是推动AI与软件深度融合，重点扶持模型即服务（MaaS）和智能体即服务（AaaS）两种服务形态。如果对这一政策的解读在这里停下来，那它可以被理解成是一份产业扶持文件。但政策里有一条线，比MaaS和AaaS更根本，也更容易被忽略——数据治理的闭环，必须握在企业自己手里。

调用外部模型，企业数据去了哪里？

MaaS的逻辑不难理解：企业不需要自建模型，直接调用外部供应商的接口，按需付费，省掉大量前期投入。过去两年这种方式普及很快，几乎成了默认的AI落地路径。

但有一个问题，在快速铺开的过程中没有被充分讨论：企业把数据发出去，发到哪里？

每一次模型调用，企业的合同草稿、财务摘要、会议记录都会经过外部服务商的服务器处理。数据流转的链路、存储位置、保留时间，企业侧存在“失控”的风险。

AaaS把这个问题推得更深。智能体需要持续读取企业数据、理解组织结构、跨任务积累上下文——一个真正跑起来的企业智能体，掌握的信息量远超任何单次调用。如果这个系统托管在企业外部，数据主权的问题就不是偶发的担忧，而是结构性的漏洞。

工信部这份政策，在推动MaaS和AaaS规模化的同时，明确强调"自主可控"——这不是附加的政治表述，而是对上述问题的正面回应。真正可控的AI落地，数据治理的闭环不能依赖外部平台的承诺，而要落在企业自身的环境里。

最敏感的数据，往往就藏在日常文档里

在所有需要AI介入的企业场景里，办公场景可能是数据敏感性最高的一个。

企业的日常文档——合同、财务报表、项目提案、内部会议纪要——是企业知识的载体，也是竞争信息最密集的地方。AI要处理这些内容、在这些内容上构建智能体，数据不出域就不只是一个技术选项，而是合规和安全的前提。

把核心业务数据交给外部系统托管，任何认真对待自身竞争优势的企业都会有所顾虑。合同谈判记录、财务摘要、内部决策信息，一旦在外部服务器上流转，主权边界就变得模糊——这不是特定行业的问题，而是所有把AI深度嵌入业务的企业迟早要正视的问题。由此，企业AI落地在办公场景里分化出了两条路线：调用外部模型快速部署，或把AI能力装进企业内部环境、数据全程不出局域网。后一条路更重，但它在市场上正在获得越来越稳定的认可。

私有化部署的成本门槛，正在被打下来

把AI装进企业内部，过去一直有一道现实门槛：硬件成本。

跑一套能支撑企业级业务的AI系统，过去的基准配置大致是10台服务器加8张高端显卡——这对大型央企或头部互联网公司还算可承受，但对大量中型政企客户来说，投入门槛已经足以让采购决策搁浅。私有化部署在很长时间里，是少数机构的专属选项，不是普遍可行的路。

这个局面，在今年出现了明显的变化。以金山办公4月上线的轻舟AI为例，它把前述基准配置压缩到1台普通CPU服务器，资源占用降低95%，所有数据在企业局域网内流转，不接触外部云端。这不只是省了硬件钱，更重要的是把私有化部署的可及性往下拉了一个台阶——过去必须做大采购的机构，现在有了更轻的入场方式。

目前，工商银行、华为、华润、vivo等客户已在轻舟AI的投产或POC阶段。这个客户名单横跨金融、科技、消费、制造，不是单一行业的特殊需求，而是跨行业的普遍趋势。

AI部署进来了，它真的读懂企业的数据了吗？

私有化部署解决了数据在哪里流转的问题，但还有另一个问题没有解决：企业积累了大量文档，AI怎么真正"读懂"这些数据，而不只是检索关键词？

通用大模型处理企业文档的常见方式是把文档切片检索，在通用问答上效果还行，但处理不了跨文档、跨数据类型的复杂关联——一份合同的条款可能与另一份合同的附件相关联，一张财务表格的业务逻辑散落在多个部门的汇报文档里。

WPS 365采用的KAG（知识增强生成）框架处理逻辑不同：将企业非结构化数据（合同、报告、会议纪要）与结构化数据（财务表格、项目台账）打通，建立可追溯的知识图谱。AI处理具体业务问题时，能沿着知识节点的关联追溯上下文，而不是拼接孤立碎片，从架构层面降低专业场景下产生似是而非答案的概率。

轻舟AI解决的是"AI怎么进入企业内部"的问题，KAG解决的是"AI进来之后怎么真正懂这家企业"的问题——两者构成了一套从部署到使用的完整逻辑。

当AI走进业务深处，数据主权的问题才真正开始

工信部这份政策，表面上是一张AI产业的路线图。但它背后那条关于"自主可控"的隐线，指向的是一个更实际的问题：当AI开始深入企业的核心业务，谁来保证数据的主权不随之转移？

MaaS降低了获取AI能力的门槛，AaaS把AI推进了业务流程的深处。两件事同时发生，企业与AI服务提供商之间的数据关系越来越深、越来越难以切割。能把AI能力保留在企业内部、同时让AI真正读懂业务的方案，不只是一种技术选型，而是对自身数据主权的主动选择。

政策在推动产业扩张，市场在验证路线，两条线的交汇正是当下企业AI落地最值得观察的地方。